BAB II LANDASAN TEORI
2.1
MANAJEMEN SISTEM INFORMASI
2.1.1
DEFINISI MANAJEMEN SISTEM INFORMASI Manajemen Sistem Informasi adalah kunci dari bidang yang menekankan
financial dan personal manajemen. “Sistem Informasi” dapat berguna dari beberapa elemen teknologi yang berbasis komputer yang saling berinteraksi dan bekerja sama berdasarkan suatu prosedur kerja ( aturan kerja ) yang telah ditetapkan, dimana memproses dan mengolah data menjadi suatu bentuk informasi yang dapat digunakan dalam mendukung keputusan.
2.1.2
TIPE SISTEM INFORMASI Pada masa saat ini banyak perusahaan pada umumnya berdasarkan pada
internet, data warehouse, atau sistem operasional organisasi sudah berbasiskan web ( web-base), dan masih banyak lagi teknologi berbasis lain yang banyak dibicarakan pada saat ini dalam ruang lingkup Teknologi Informasi. Sebagai contohnya Management Information System ( MIS ), Decision Support System ( DSS ), Enterprise Resource Planning ( ERP ), Expert System ( ES ), dan
Customer
Relationship Management ( CRM ). Management Information System ( MIS ) sebuah kumpulan dari berbagai macam subsistem – subsistem yang saling berhubungan dan bekerja satu sama lain,
7
mengolah data menjadi informasi yang bisa digunakan oleh manajemen tingkat atas yang dapat membantu mengambil keputusan perusahaan. Informasi yang diberikan biasanya sudah melewati tahapan pengolahan pada sebelumnya karena informasi tersebut sudah berbentuk laporan. Dan laporan secara periodik itu dapat membantu para manager untuk mengambil keputusan secara tepat sasaran. Biasanya laporan tersebut lebih rinci dan lengkap setiap transaksinya. Decision Support System ( DSS )
berbasiskan Sistem computer yang
membantu para pengguna dalam kegiatan penilaian dan pemilihan. Decision Support System menyediakan penyimpanan data dan pencariannya, tetapi juga meningkatkan akses informasi tradisional dan fungsi lainnya dengan dukungan untuk membangun model dan model-base reasoning. Mereka mendukung penyusunan, pemodelan, dan pemecahan masalah. (Druzdzel & Flynn, 2002). Enterprise Resource Planning ( ERP ) mengintegrasikan sistem perangkat lunak bisnis utama dan proses manajemen di dalam dan di luar batas perusahaan. Sedangkan nilai bisnis dari implementasi ERP telah banyak diperdebatkan dalam perdagangan TI berkala dalam bentuk diskusi atau studi kasus kualitatif rinci, ada sedikit bukti besar sampel statistik yang mengadopsi ERP dan apakah manfaat dari implementasi ERP melebihi biaya (dan risiko ). (Hitt, wu, & ZHOU, 2002). Expert System ( ES ) Adalah sistem berbasis ilmu pengetahuan didesain untuk meniru kemampuan pengambilan keputusan. Tugas khusus ES berbasis ilmu pengetahuan menjadi sumber alternatif kemampuan pengambilan keputusan bagi organisasi untuk digunakan, bukan mengandalkan keahlian hanya satu atau beberapa orang yang memenuhi syarat untuk membuat keputusan tertentu. Sebuah ES berbasis 8
pengetahuan untuk menangkap penalaran dari orang tertentu untuk masalah tertentu. Biasanya pakar / sistem berbasis pengetahuan dirancang dan dikembangkan untuk menangkap langkah, tetapi penting pengambilan keputusan yang terjadi di banyak organisasi. Ahli / sistem berbasis pengetahuan sering dikhawatirkan menjadi "pengganti" untuk pengambil keputusan. Namun, dalam banyak organisasi sistem ini digunakan untuk "membebaskan" pembuat keputusan untuk menangani isu-isu yang lebih kompleks dan penting yang dihadapi organisasi. (Pomykalski, Truszkowski, & Brown, 1999). Customer Relationship Management ( CRM ) adalah strategi manajemen yang menyatukan teknologi informasi dengan pemasaran. CRM berasal dari Amerika Serikat pada tahun 1990-an sampai saat ini, telah diterima di sejumlah besar perusahaan di seluruh dunia. Di sisi lain, beberapa orang memiliki pendapat negatif dari CRM; (Ueno, 2006).
2.2
BUSINESS INTELLIGENCE
2.2.1
DEFINISI BUSINESS INTELLIGENCE Business Intelligence (BI) yang paling sering adalah tentang menghindari
kejutan dan meminimalkan eksposur risiko. Tujuan penting dan perlu strategis defensif ini adalah manfaat paling umum dan mudah dipahami program intelijen sebuah perusahaan bisnis, dengan nilai yang dirasakan tertinggi untuk para eksekutif. (Schmidt, Michalewicz, Michalewicz, & Chiriac, 2007).
9
Sementara "Business Intelligence" sering didefinisikan sebagai sebuah kategori dari teknologi program aplikasi untuk mengumpulkan, menyimpan, dan menyediakan akses ke data dengan "adaptive Business Intelligence" dapat didefinisikan sebagai penggunaan teknik prediksi dan teknik optimisasi untuk membangun system pengambilan keputusan secara mandiri" (Frates & Sharp, 2005).
2.2.2
STRUKTUR & KOMPONEN BUSINESS INTELLIGENCE Struktur dan komponen yang dalam sebuah Business Intelligence Framework
(Dyk & Conradie, 2007) :
Gambar 2.1 Business Intelligence Framework (Dyk & Conradie, 2007)
Dapat kita lihat dari gambar diatas
aliran data dari awalnya hingga
pemrosesan baik dari sistem operasional ( ERP, SIS, CMS, dsb ) maupun sistem manual yang selanjutnya akan diproses di Extract, Transform, Load ( ETL ) menuju
10
ke data warehouse, yaitu tempat penyimpanan khusus untuk database yang telah dipersiapkan sebebelumnya untuk membantu aplikasi pengambilan keputusan.
2.2.3
BUSINESS ANALYTICS Dirancang khusus untuk segmen pasar menengah dan perusahaan terus
berkembang, Business Analytics membantu memungkinkan anda dan karyawan Bisnis Analytics memberikan Anda kekuatan dan kontrol kebutuhan anda atas bisnis Anda tanpa pelatihan yang ekstensif atau gangguan yang tidak semestinya. Business Analytics tidak memerlukan jangka waktu yang panjang implementasi, dan standar pertanyaan dan built-in fungsi berarti Anda dapat mulai memetik manfaat dari intelijen bisnis lebih cepat. Akses Informasi. Business Analytics memungkinkan untuk mendapatkan pandangan 360 derajat kinerja bisnis anda. Business Analytics tidak hanya menghasilkan sebuah gambaran singkat dari data bisnis anda seperti yang Anda inginkan disajikan, tetapi juga memastikan bahwa setiap orang dalam organisasi anda menggunakan data up-to-date yang sama untuk memperoleh wawasan bisnis untuk membuat keputusan strategis dan operasional. (Product : Microsoft , 2007).
2.2.4
DATA MINING Data mining adalah proses analisis
terhadap data dengan penekanan
menemukan informasi yang tersembunyi pada sejumlah besar data yang disimpan ketika menjalankan bisnis perusahaan.
11
Teknik data mining merupakan implementasi yang khusus dengan algoritma, yang digunakan pada operasi data mining. Ada Enam teknik umum data mining (Miranda, 2008) :
• Association Digunakan untuk mengenali kelakuan dari kejadian – kejadian khusus atau proses. Link asosiasi muncul pada setiap kejadian. • Sequence Mirip dengan association,
namun menghubungkan kejadian –
kejadian sepanjang waktu dan menentukan keterhubungan antara item untuk sepanjang waktu • Classification Melihat pada kelakuan dan atribut dari kelompok yang telah didefinisikan • Cluster Dapat digunakan untuk menganalisis pengelompokan berbeda terhadap data. Mirip dengan klasifikasi, namun pengelompokan belum didefinisikan sebelum dijalankannya tool data mining • Regression ( forcasting ) Menggunakan nilai dari data yang diketahui untuk memperkirakan nilai dimasa depan atau kejadian masa depan berdasarkan kecenderungan sejarah dan static.
12
• Time series Perbedaan dengan regresi adalah bahwa time series hanya memperkirakan data yang bergantung pada waktu.
2.2.5
DATA MART Koleksi bidang studi yang diselenggarakan untuk mendukung keputusan
berdasarkan kebutuhan departemen tertentu. Keuangan memiliki data mart mereka, pemasaran memilikinya, dan penjualan memilikinya dan seterusnya. Dan data mart untuk pemasaran hanya samar-samar menyerupai data mart orang lain. Mungkin, yang paling penting (Inmon, 1999) masing-masing departemen memiliki perangkat keras, perangkat lunak, data dan program yang merupakan data mart. Setiap departemen memiliki interpretasi sendiri tentang seperti apa data mart harus terlihat dan ciri khas data mart masing-masing departemen dan spesifikasi untuk kebutuhan sendiri. Serupa dengan data warehouse, data mart berisi data operasional yang membantu para ahli bisnis untuk menyusun strategi berdasarkan analisis tren masa lalu dan pengalaman. Perbedaan utama adalah bahwa penciptaan data mart didasarkan pada kebutuhan khusus, standar untuk kelompok tertentu dan konfigurasi dalam memilih data. Akan ada beberapa data mart di dalam perusahaan. Sebuah data mart dapat mendukung fungsi bisnis tertentu, proses bisnis atau unit bisnis. (Sahay & Ranjan, 2008).
13
2.2.6
QUERY AND REPORTING TOOLS Online Analytical Processing (OLAP) menyediakan multidimensi,
peringkasan data bisnis dan digunakan untuk pelaporan, analisis, pemodelan, dan perencanaan untuk mengoptimalkan bisnis. Teknik OLAP dan alat-alatnya dapat digunakan untuk bekerja dengan gudang data atau data mart yang dirancang untuk sistem intelijen perusahaan canggih. Sistem proses queries ini dibutuhkan untuk menemukan tren dan menganalisis faktor-faktor kritis. Pelaporan perangkat lunak menghasilkan pandangan keseluruhan data agar bagian manajemen tahu tentang keadaan bisnis mereka. Alat-alat BI lain yang digunakan untuk menyimpan dan menganalisis data, seperti data mining dan gudang data, sistem pendukung keputusan dan
peramalan;
gudang
dokumen
dan
manajemen
dokumen;
manajemen
pengetahuan, pemetaan, visualisasi informasi, dan dash boarding, sistem informasi manajemen, sistem informasi geografis; analisis kecenderungan; software sebagai layanan. (Sahay & Ranjan, 2008).
2.2.7
DATA SOURCE Pada awal tahapan pembuatan Business Intelligence diperlukan sebuah
data source dan mengintergrasikan sumber data tersebut ke berbagai macam – macam sumber lainnya baik itu sumber utama maupun sumber sekunder, yang mana data tersebut harus bersifat heterogen dalam sumber dan tipenya. Sumbernya kebanyakan berasal dari data yang termasuk sistem operasional, tetapi bisa juga berasal dari dokumen yang tidak berstruktur seperti email atau data yang diperoleh dari penyedia lainya. (Gultom, 2009) 14
2.2.8
BUSINESS PERFORMANCE MANAGEMENT Business Performance Management (BPM) memungkinkan organisasi
untuk secara efektif memantau, mengendalikan, dan mengelola pelaksanaan inisiatif strategis. BPM menjembatani kesenjangan antara strategi dan eksekusi. Dua langkah pertama strategi ini dan perencanaan, sedangkan dua terakhir melibatkan pelaksanaan strategi dan tindakan. Dengan empat langkah, kerangka bergerak setiap orang dalam organisasi dalam arah yang sama. Hal ini memungkinkan organisasi untuk berfokus pada proses inti beberapa yang mendorong nilai bisnis. Akibatnya, organisasi dapat mengabaikan banyak proses yang hanya menghasilkan kegiatan dan tidak berkontribusi terhadap kesehatan jangka panjang perusahaan. BPM memiliki cakupan yang lebih luas yang terfokus pada keseluruh kegiatan perusahaan. Karena data yang disimpan dan dianalisis umumnya historikal, kebanyakan aplikasi BI digunakan untuk mendukung keputusan dan pengambilan keputusan. (Frolick & Ariyachandra, 2006) Salah satu tantangan terbesar untuk deploying BPM adalah memilih tindakan yang tepat untuk melayani sebagai indikator kinerja utama. Bagian berikut membahas tantangan untuk metrik mengembangkan dan menyajikan satu metodologi yang mungkin untuk pengukuran kinerja.
15
2.2.9
KATEGORI BUSINESS INTELLIGENCE Business analytic / Business Intelligence dapat dikategorikan menjadi 3 kategori utama :
1. Information and knowledge discovery Information and knowledge discovery berperan sebagai sarana observasi dari informasi yang ada untuk meramalkan hal yang akan terjadi di akan datang atau untuk menemukan peluang baru yang selama ini tak terlihat. Seperti contohnya pada OLAP memungkinkan analisis untuk melakukan proses slice dan dice data, mengamati grafik dan table yang dihasilkan dari dimensi yang sedang diawasi. Lain halnya dengan data mining yang menerapkan model statisik dan deterministic dan metode kecerdasan buatan terhadap data untuk mengidentifikasi relasi tersembunyi atau menemukan pengetahuan di antara berbagai macam data atau elemen. Selain kedua contoh diatas : ad hoc and reports, text mining, web mining, search engines.
2. Decision Support dan Intelligent System Semua manajer dan eksekutif memerlukan sistem BI untuk menunjang kinerja terutama dalam pengambilan keputusan atau pada tahap strategis. Namun perlu diperhatikan beberapa manajer akan kesulitan bila berhadapan dengan data yang tak relevan atau aplikasi terlalu sulit untuk digunakan. Mendistribusikan informasi dari analisis ke perusahaan 16
merupakan tantangan besar. Isu penting dari sistem BI adalah menemukan keperluan bisnis, bila sistem tidak menyediakan informasi yang berguna, maka hal itu dianggap tak berguna. Decision Support dan Intelligent System
berperan sebagai penyedia
informasi yang dibutuhkan oleh manajer/eksekutif dengan representasi visual yang mudah dimengerti dan informatif. Informasi yang dihasilkan lalu digunakan oleh para manajer dan eksekutif untuk pengambilan keputusan atau merencanakan strategi perusahaan.
3. Visualization Visualization merupakan teknologi yang mendukung tampilan atau terjemahan data dan informasi pada beberapa hal proses data. Hal tersebut termasuk gambar digital, geographic information, graphical user interfaces, multidimensions, tables and graphs, virtual reality, three dimensional
presentation,
dan
animation.
Aplikasi
visualization
menawarkan kemampuan untuk dapat mengeksplorasi sendiri oleh pengguna dan analisis visual sejumlah besar data.
2.2.10 MANFAAT BUSINESS INTELLIGENCE BI merupakan keuntungan untuk perusahaan apapun BI menarik bersamaan sejumlah besar informasi real time dari sistem heterogen yang
berbeda dan
menyuling mereka ke dalam pandangan fokus bisnis. kemudian BI kemampuan realtime bahkan dapat membuat lebih mudah bagi perusahaan untuk bekerja secara 17
langsung dengan pelanggan. Pelanggan mungkin di telepon atau situs mengunjungi web e-commerce hanya beberapa menit, yang membatasi waktu dan jumlah informasi perusahaan harus membuat keputusan yang berhubungan dengan penjualan. Namun, baru BI pendekatan dapat memproses informasi yang cukup cepat untuk membuat keputusan tersebut. Setiap organisasi yang berhasil mengintegrasikan BI ke dalam proses bisnis dapat mencapai return yang signifikan pada investasi. Ini adalah pernyataan yang paling diperdebatkan. Beberapa organisasi mungkin melihatnya berbeda. Biaya menjalankan sebuah gudang data yang besar untuk mendukung sistem BI masih tinggi untuk banyak organisasi. Sekarang perhitungan sistem BI laba atas investasi sulit karena BI memberikan wawasan yang terkait dengan bisnis daripada link langsung ke penjualan atau penghematan biaya. Namun manfaat BI tidak datang tanpa usaha. Dari perspektif organisasi, unit bisnis yang terkena dampak proyek BI harus erat terlibat dan berkomitmen untuk proyek. Demikian juga, manajemen harus memiliki pemahaman yang mendalam tentang nya proses bisnis dan jelas menetapkan tujuan yang akan dicapai. Akhirnya, platform teknologi untuk BI harus mampu memberikan informasi mengenai permintaan, pada titik keputusan operasional, dengan biaya yang efektif. Dalam melaksanakan pekerjaanya sehari – hari, seluruh level dari suatu organisasi (mulai dari pegawai atau bawahan sampai dengan manajemen tingkat atas) selalu berkaitan dan membutuhkan akses data dan informasi. BI mempermudah seluruh level pegawai dalam mengakses data dan informasi yang diperlukan sehingga membantu suatu keputusan. Jika seperti ini tercapai, maka misi dan strategi 18
organisasi yang sudah ditetapkan dapat lebih mudah terlaksana terpantau tingkat pencapaiannya BI tidak selalu harus mengubah atau menggantikan sistem informasi yang sudah digunakan sebelumnya. Sebaiknya, BI hanya menambahkan layanan pada sistem – sistem tersebut sehingga data dan informasi yang sudah ada dapat menghasilkan informasi yang komprehensif dan memiliki kegunaan yang lebih baik.
2.2.11 PENDEKATAN IMPLEMENTASI BUSINESS INTELLIGENCE Pada tahap pendekatan implementasi ini ada beberapa tahapan yang harus di lewati untuk mulai dari identifikasi awal penentuan bahan yang diperlukan hingga deployment yang akan dijelaskan ditiap – tiap langkahnya. Seperti gambar dibawah ini.
Gambar 2.2 Business Intelligence Project Roadmap (Moss & Atre, 2003) Ada 6 stage dalam pendekatan implentasi Business Intelligence dan didalam stage tersebut dibagi – bagi lagi menurut langkah – langkah yang ada, sebagai berikut (Moss & Atre, 2003) :
19
2.2.11.1
Stage 1. Justifiaction
Menilai kebutuhan bisnis yang menimbulkan proyek rekayasa baru.
Step 1. Business Case Assessment
Masalah usaha atau peluang bisnis didefinisikan dan solusi BI diusulkan. Setiap rilis aplikasi BI harus dikenakan biaya justifikasi dan jelas harus mendefinisikan manfaat baik memecahkan masalah bisnis atau mengambil keuntungan dari peluang bisnis.
2.2.11.2
Stage 2. Planning
Mengembangkan rencana strategis dan taktis, yang merencanakan bagaimana proyek rekayasa akan tercapai dan disebarkan.
Step 2: Enterprise Infrastructure Evaluation
Karena aplikasi BI merupakan inisiatif lintas-organisasi, sebuah infrastruktur perusahaan harus diciptakan untuk mendukung mereka. Beberapa komponen infrastruktur mungkin sudah berada di tempat sebelum proyek BI pertama diluncurkan. Komponen infrastruktur lain mungkin harus dikembangkan dari waktu ke waktu sebagai bagian dari proyek BI. Infrastruktur perusahaan memiliki dua komponen:
20
1.
Infrastruktur
teknis,
yang
meliputi
hardware,
software,
middleware, sistem manajemen database, sistem operasi, komponen jaringan, repositori meta data, utilitas, dan sebagainya.
2. Nonteknis infrastruktur, yang mencakup meta data standar, datapenamaan standar-standar, logis model data perusahaan (berkembang), metodologi, pedoman, prosedur pengujian, perubahan-pengendalian proses, prosedur untuk manajemen isu dan penyelesaian sengketa, dan sebagainya.
Step 3: Project Planning
Keputusan BI mendukung proyek-proyek sangat dinamis. Perubahan ruang lingkup, staff, anggaran, teknologi, perwakilan bisnis, dan sponsor dapat berdampak pada keberhasilan proyek. Oleh karena itu, perencanaan proyek harus rinci, dan kemajuan aktual harus diawasi dengan ketat dan dilaporkan.
2.2.11.3
Stage 3. Business Analysis Menunjukan analisis yang dirinci mengenai masalah bisnis atau peluang usaha untuk mendapatkan pemahaman yang kuat tentang persyaratan bisnis untuk solusi potensial (produk).
21
Step 4: Project Requirements Definition
Mengelola lingkup proyek merupakan salah satu tugas yang paling sulit pada proyek BI decision-support. Keinginan untuk memiliki segala sesuatu secara instan sulit untuk dibatasi, tetapi membatasi keinginan yang merupakan salah satu aspek yang paling penting dari negosiasi persyaratan untuk setiap pengiriman. Tim proyek harus mengharapkan persyaratan untuk berubah selama siklus pembangunan sebagai orang bisnis yang mempelajari lebih banyak tentang kemungkinan dan keterbatasan teknologi BI selama proyek.
Step 5: Data Analysis
Tantangan terbesar untuk semua proyek BI decision-support adalah kualitas dari sumber data. Pembangunan kebiasaan buruk selama beberapa dekade sulit untuk dihilangkan, dan kerusakan yang diakibatkan dari kebiasaan buruk yang sangat mahal, memakan waktu, dan tidak menarik untuk ditemukan dan benar. Selain itu, analisis data di masa lalu dibatasi dengan pandangan satu baris bisnis dan tidak pernah konsolidasi atau berdamai dengan tampilan lain dalam organisasi. Langkah ini mengambil persentase yang signifikan dari waktu yang diberikan untuk jadwal keseluruhan proyek.
Step 6: Application Prototyping
Analisis kiriman fungsional, yang selalu disebut system analysis, paling baik dilakukan melalui prototipe sehingga dapat dikombinasikan dengan desain
22
aplikasi. Alat Baru dan bahasa pemrograman memungkinkan pengembang untuk relatif cepat membuktikan atau menyangkal suatu konsep atau ide. Prototyping juga memungkinkan para pebisnis untuk melihat potensi dan batas-batas
teknologi,
yang
memberikan
mereka
kesempatan
untuk
menyesuaikan kebutuhan proyek mereka dan harapan mereka.
Step 7: Meta Data Repository Analysis
Memiliki alat yang lebih berarti memiliki meta data yang lebih teknis di samping data bisnis meta, yang biasanya ditangkap dalam alat teknik komputer-dibantu perangkat lunak (CASE) pemodelan. Data meta teknis perlu dipetakan ke data bisnis meta, dan semua meta data harus disimpan dalam repositori meta data. Repositori meta data dapat dilisensi (dibeli) atau dibangun. Dalam kedua kasus, persyaratan untuk jenis meta data untuk menangkap dan menyimpan harus didokumentasikan dalam suatu model meta logis. Ketika lisensi sebuah repositori meta data produk, persyaratan didokumentasikan pada model meta logis harus dibandingkan dengan model meta vendor, jika disediakan. Selain itu, persyaratan untuk mengirimkan meta data kepada masyarakat bisnis harus dianalisis (misalnya, fungsi bantuan online
2.2.11.4
Stage 4. Design Menyusun
sebuah
produk
yang
memecahkan
masalah
bisnis
atau
memungkinkan peluang bisnis.
23
Step 8: Database Design
Satu atau lebih BI target database akan menyimpan data bisnis dalam bentuk rinci atau gabungan, tergantung pada persyaratan pelaporan dari komunitas bisnis. Tidak semua persyaratan pelaporan yang strategis, dan tidak semua dari mereka adalah multidimensi. Skema database Desain harus sesuai dengan kebutuhan akses informasi komunitas bisnis.
Step 9: Extract/Transform/Load Design
Proses ETL adalah proses yang paling rumit dari seluruh proses proyek BI decision-support. Itu juga merupakan salah satu paling menarik. Windows ETL pengolahan (windows batch) biasanya kecil, namun rendahnya kualitas sumber data biasanya memerlukan banyak waktu untuk menjalankan program transformasi dan pembersihan. Menyelesaikan proses ETL dalam window batch yang tersedia merupakan tantangan bagi kebanyakan organisasi.
Step 10: Meta Data Repository Design
Jika repositori meta data yang berlisensi, maka kemungkinan besar harus ditingkatkan dengan fitur yang telah didokumentasikan pada model meta logis tetapi tidak disediakan oleh produk. Jika repositori meta data sedang dibangun, keputusan harus dibuat apakah meta data desain database repositori akan menjadi entitas-hubungan yang didasarkan atau berorientasi objek. Dalam kedua kasus, desain harus memenuhi persyaratan model meta logis.
24
2.2.11.5
Stage 5. Construction
Membangun produk, yang seharusnya memberikan pengembalian investasi dalam jangka waktu yang telah ditetapkan.
Step 11: Extract/Transform/Load Development
Alat yang tersedia untuk proses ETL, beberapa canggih dan beberapa sederhana. Tergantung pada persyaratan untuk pembersihan data dan transformasi data yang dikembangkan pada Step 5, Analisis Data, dan Step 9, ETL Desain, alat ETL mungkin atau mungkin bukan solusi terbaik. Dalam kedua kasus, preprocessing data dan menulis ekstensi untuk melengkapi kemampuan alat ETL sering diperlukan.
Step 12: Application Development
Setelah
upaya
prototipe
telah
dipersatukan
persyaratan
fungsional,
pembangunan akses dan analisis aplikasi bisa dimulai. Mengembangkan aplikasi dapat menjadi masalah sederhana menyelesaikan sebuah prototipe operasional, atau dapat menjadi lebih terlibat dalam usaha pengembangan dengan, akses yang lebih kuat dan alat analisis yang berbeda. Dalam kedua kasus, kegiatan aplikasi front-end pengembangan biasanya dilakukan secara paralel dengan kegiatan pembangunan ETL back-end dan meta data pengembangan repositori.
25
Step 13: Data Mining
Banyak organisasi tidak menggunakan lingkungan BI decision support mereka sepenuhnya. Aplikasi BI sering terbatas pada laporan pra tertulis, beberapa di antaranya bahkan bukan jenis laporan baru tetapi pengganti dari laporan lama. Payback sebenarnya berasal dari informasi yang tersembunyi dalam data organisasi, yang dapat ditemukan hanya dengan alat data mining.
Step 14: Meta Data Repository Development
Jika keputusan dibuat untuk membangun meta data repositori daripada melisensi satu, sebuah tim terpisah biasanya diisi dengan proses pembangunan. Hal ini menjadi proyek yang cukup besar dalam proyek BI secara keseluruhan.
2.2.11.6
Stage 6. Deployment
Melaksanakan atau menjual produk jadi, kemudian mengukur efektivitas untuk menentukan apakah solusi memenuhi, melebihi, atau gagal untuk memenuhi hasil yang diharapkan dari investasi.
Step 15: Implementation
Setelah tim telah menguji secara menyeluruh semua komponen dari aplikasi BI, tim mengeluarkan basis data dan aplikasi. Pelatihan ini dijadwalkan bagi staf bisnis dan stakeholder lainnya yang akan menggunakan aplikasi BI dan
26
meta data repositori. Fungsi dukungan dimulai, yang meliputi operasi help desk, menjaga database target BI, penjadwalan dan menjalankan pekerjaan batch ETL, memantau kinerja, dan database tuning.
Step 16: Release Evaluation
Dengan konsep rilis aplikasi, sangat penting untuk mendapatkan keuntungan dari pelajaran yang dipetik dari proyek sebelumnya. Setiap MDP, biaya overruns, perselisihan, dan resolusi sengketa harus diperiksa, dan penyesuaian proses harus dibuat sebelum rilis berikutnya dimulai. Setiap alat, teknik, pedoman, dan proses yang tidak bermanfaat perlu dievaluasi ulang dan disesuaikan, bahkan mungkin dibuang.
2.3
OLAP ( Online Analytical Processing )
2.3.1
DEFINISI OLAP ( Online Analytical Processing ) OLAP teknologi yang sangat baik bagi pelaksanaan konsolidasi data
keuangan, lebih baik dan mudah digunakan untuk suatu tujuan dari SQL misalnya. Tetapi alat atau produk yang melakukan konsolidasi tidak termasuk dalam alat OLAP atau produk, tak peduli betapa efisien dan elegan itu mereka melakukan konsolidasi. (Baragoin, Bercianos, Komel, Robinson, Sawa, & Schuinder, 2001) Tujuan dari sebuah OLAP adalah untuk menyimpan data sedemikian rupa sehingga pengguna akhir dapat memilah dan dan membagi data melalui struktur penyimpanan itu sendiri, dan sangat memudahkan untuk mengakses data yang sangat
27
cepat. Dimensinya mengacu pada bagaimana data disusun dan biasanya terdiri dari bidang karakter yang mengambarkan data tersebut. (Nelson, 2008)
2.3.2
KEUNTUNGAN OLAP ( Online Analytical Processing ) Sukses aplikasi OLAP meningkatkan produktivitas manajer bisnis,
pengembang, dan keseluruhan organisasi. Fleksibilitas yang melekat pada sistem OLAP berarti pengguna bisnis aplikasi OLAP dapat menjadi lebih mandiri. Manajer tidak lagi tergantung pada TI untuk melakukan perubahan skema, untuk menciptakan gabungan. OLAP memungkinkan manajer untuk menangani masalah model yang tidak mungkin menggunakan sistem flexible yang kurang dengan waktu respon yang panjang dan tidak konsisten. Kemudian lebih bisa mengontrol waktu dan akses yang tepat terhadap informasi strategis yang seimbang untuk menciptakan efektifitas dalam pengambilan keputusan. (White Paper : OLAP Council, 1997) Pengembang IT juga mendapatkan keuntungan dari menggunakan perangkat lunak OLAP. Meskipun dimungkinkan untuk membangun perangkat lunak OLAP sistem menggunakan software yang dirancang untuk memproses transaksi atau data koleksi, tentu sangat tidak efisien dalam penggunaan waktu. Dengan menggunakan perangkat lunak dirancang khusus untuk OLAP, pengembang dapat mengirimkan aplikasi lebih cepat untuk pengguna bisnis, menyediakan layanan yang lebih baik. pengiriman cepat aplikasi yang juga mengurangi aplikasi backlog. Sebagai hasilnya, IT mendapatkan keuntungan yakni lebih mandiri tanpa melepaskan kontrol atas integritas data. IT juga menyadari operasi yang lebih efisien melalui OLAP. Dengan menggunakan perangkat lunak yang dirancang untuk OLAP, 28
IT mengurangi drag query dan lalu lintas jaringan pada sistem transaksi atau Data Gudang. Terakhir, dengan menyediakan kemampuan untuk memodelkan masalahmasalah bisnis nyata dan penggunaan yang lebih efisien sumber daya manusia, OLAP memungkinkan organisasi secara keseluruhan untuk merespon lebih cepat tuntutan pasar. Cepat tanggap pada tuntutan pasar sehingga mendapatkan hasil pendapatan ditingkatkan dan profitabilitas.
2.4
DATA WAREHOUSE
2.4.1
DEFINISI DATA WAREHOUSE Data warehouse adalah tempat di mana sumber data transaksional secara
khusus terstruktur untuk kinerja yang diminta dan analisis dan kemudahan penggunaan. Sebuah data mart adalah subset logis dan fisik dari gudang data. Sebuah data mart yang dirancang dengan baik akan cukup fleksibel ketika dihadapkan dengan permintaan pengguna yang tak terduga dan didasarkan pada (rinci atau granular) data yang paling atom yang tersedia. Setiap data mart berisi setidaknya satu "fakta" - sebuah pengukuran kinerja usaha, biasanya numerik dan aditif, yang disimpan dalam tabel fakta.
Karakteristik dari data warehouse menurut pendapat (Inmon, 2005) yaitu : •
Subject oriented Sistem operasi secara klasik diorganisasikan sekitar aplikasi fungsional dari perusahaan. Untuk perusahaan asuransi, aplikasinya dapat berupa
29
auto, health, life, dan casuality. Area subyek utama dari perusahaan asuransi dapat berupa customer, policy, premium, dan claim. Untuk perusahaan, area subyek utama dapat berupa product, order, vendor, bill of material, dan raw goods. Untuk pedagang eceran, area subyek utama dapat berupa product, sale, vendor.
Gambar 2.3 Contoh subject orientation pada Data Warehouse ( Inmon, 2005, p30)
•
Time variant Dalam lingkungan yang berbeda, terdapat juga time horizon yang berbeda. Time horizon merupakan parameter waktu pada setiap
30
lingkungan. Time horizon pada data yang terdapat pada data warehouse lebih lama dibandingkan pada sistem operasional. Pada sistem operasional, time horizon normal terdapat antara 60 – 90 hari, sedangkan pada data warehouse, time horizon yang normal terdapat antara 5 – 10 tahun. Kesimpulannya, data warehouse berisi lebih banyak kumpulan data sebelumnya daripada lingkungan yang lain. Database operational berisi data-data sementara dimana terdapat akurasi pada saat pengaksesan. Contoh, bank mengetahui seberapa banyak uang yang di miliki oleh customer pada saat menyimpan pada setiap waktu. Nilai data sementara akanm ter-update seiring dengan kondisi bisnis yang berubah. Saldo di bank akan berubah ketika customer melakukan penyimpanan. Data warehouse sama sekali berbeda dengan nilai data sementara. Data warehouse mempunyai
sejarah atau kumpulan dari
aktivitas dan kejadian. Struktur utama operational data tidak berisikan beberapa elemen pada waktu, seperti tahun, bulan, hari dan sebagainya. Struktur utama data warehouse memiliki atau berisi beberapa elemen waktu. Elemen – elemen waktu dapat ditetapkan dalam beberapa bentuk atau format seperti detik pada keseluruhan database, dan sebagainya.
•
Non-volatile Tidak seperti halnya record pada database operasional yang biasanya selalu diakses dan dimanipulasi, data pada data warehouse mempunyai 31
karakteristik yang berbeda. Data pada data warehouse diload dan diakses oleh user yang bersangkutan, tetapi tidak dapat dan tidak boleh di-update. Sebagai gantinya, ketika data pada data warehouse di-load, data tersebut di-load dalam format statis. Nantinya, ketika suatu perubahan terjadi, record statis baru akan disimpan. Dengan begitu, record lampau dari data tersebut tetap tersimpan di data warehouse.
Gambar 2.4 Aspek Non-Volatile dari Data Warehouse (Inmon, 2005, p32) •
Integrated Data diambil dari banyak sumber berbeda kemudian dimasukkan ke dalam data warehouse. Selama data diambil, data tersebut diubah, dilakukan format kembali, diurutkan, diringkas dan seterusnya. Hasilnya, data terletak dalam data warehouse yang memiliki pandangan terpadu dan terintegrasi.
32
Data yang dimasukkan ke dalam data warehouse dilakukan dengan berbagai cara yang tidak konsisten pada level aplikasi akan ditinggalkan. Sebagai contoh, masalah pengkodean gender, ini sedikit bermasalah apakah data dalam gudang dikodekan sebagai m/f atau 1/0. Tidak peduli bagaimana metode atau sumber aplikasi, gudang akan mengkodekan secara konsisten. Jika data aplikasi dikodekan sebagai x/y untuk gender, ini akan diubah ketika dipindahkan ke dalam gudang. Pertimbangan yang sama tentang konsistensi juga diaplikasikan ke berbagai isu desain aplikasi seperti, peraturan penamaan (naming conventions), struktur kunci (key structure), pengukuran atribut (measurement of attributes) dan karakteristik fisik data (physical characteristics of data).
33
Gambar 2.5 Masalah pada Integrasi ( Inmon, 2005, p31)
2.4.2
TUJUAN DATA WAREHOUSE Menurut Kimball (2002) Adapun tujuan dari penggunaan sebuah data warehouse : •
Data warehouse
harus bisa memberikan kemudahan akses informasi
kepada perusahaan. •
Data warehouse harus bisa secara konsisten mempresentasikan informasi perusahaan
•
34
Data warehouse harus selalu bisa beradaptasi dengan perubahaan.
•
Data warehouse
harus memiliki akses security yang tinggi untuk
melindungi informasi perusahaan agar tidak digunakan oleh orang yang salah •
Data warehouse
harus dipakai sebagai dasar bagi pihak eksekutif
perusahaan dalam meningkatkan kualitas pengambilan keputusan.
2.4.3
KOMPONEN DATA WAREHOUSE Data warehouse juga memiliki beberapa komponen – komponen terdiri dari : 1. Operational Source System Komponen ini berfungsi untuk mengambil transaksi bisnis yang dihasilkan dari operasional perusahaan.
2. Data Staging Area Komponen ini berfungsi sebagai area penyimpanan sekaligus sebagai area tempat melakukan proses extract-transformation-load (ETL) terhadap data yang diperoleh dari Operational Source System.
3. Data Presentation Komponen ini berfungsi sebagai area dimana data diorganisasikan, disimpan, dan disediakan untuk keperluan pencarian langsung oleh pengguna, report writer, dan aplikasi analisis lainnya.
35
4. Data Access Tools Komponen ini merupakan alat bantu untuk mengakses data yang terdapat pada area data presentation.
2.4.4
META DATA Meta data dapat didefinisikan sebagai informasi tetang koleksi atau item
dalam koleksi itu. Item tersebut bisa menjadi topic sebuah manajemen konten, gambar, di galeri seni, atau pekerja sementara di sebuah agen. Meta data memungkinkan kita untuk mengelola, menggunakan, dan menemukan item dalam koleksi. Meta data dapat menentukan siapa yang memiliki akses untuk melihat atau memperbarui topic dalam sistem.
2.5
EXTRACTION, TRANSFORMATION, AND LOADING Extraction, Transformation, and Loading (ETL) proses yang bertanggung
jawab atas operasi yang terjadi ditahap belakang sebuah arsitektur data warehouse. Dalam penjelasan tingkat proses ETL, pertama, data diambil dari sumber – sumber data yang terdapat pada On-Line Transaction Processing (OLTP) atau sistem lainnya, file dalam bentuk format apapun, halaman web, berbagai jenis dokumen (misalnya, spreadsheet, dan dokumen teks) atau bahkan data yang datang secara streaming. Biasanya, hanya data yang berbeda dari pelaksanaan sebelumnya proses ETL (baru dimasukan, update, dan menghapus informasi) harus diambil dari sumber. Setelah tahap ini data yang diekstraksi akan disebarkan ke daerah yang sangat membutuhkan
36
dari data warehouse, yang disebut Data Staging Area (DSA), dimana tranformasi mereka, homogenisasi, dan pembersihan, berlangsung. Transformasi yang paling sering digunakan termasuk filter dan cek untuk memastikan bahwa data disebarkan sesuai dengan aturan data warehouse yang mengintergrasikan bisnis dan kendala serta transformasi skema yang memastikan bahwa data yang sesuai dengan skema data target gudang. Akhirnya, data dimuat ke data warehouse dan semua pendukungnya (misalkan, data mart dan views). Dalam pengaturan tradisional data warehouse, proses ETL berkala memperbarui data warehouse selama pemindaian di level rendah atau bebas, periode operasi perusahaan (misalkan, setiap akhir periode hari) dan memiliki waktu khusus untuk menyelesaikan. Saat ini, kebutuhan bisnis dan kebutuhan untuk memenuhi real-time data warehouse dan lingkungan sekitar yang signifikan yang dilihat dari kemajuan teknologi. (Vassiliadis & Simitsis, 2009)
2.6
SWOT ANALISIS Analisis SWOT (Strengths, Weakness , Opportunity, dan Threat) digunakan
sebagai alat untuk membantu perencanaan strategis dalam berbagai jenis usaha termasuk dalam industri konstruksi. Sementara masih banyak digunakan, pendekatan ini telah menyerukan perbaikan untuk membuatnya lebih bermanfaat dalam manajemen strategis. Proyek ini dijelaskan dalam makalah ini bertujuan untuk mempelajari apakah proses untuk mengkonversi analisis SWOT menjadi rencana strategis bisa dibantu dengan beberapa model rasional kuantitatif sederhana, sebagai analisis SWOT ditambah. Aturan ini Heuristic membawa ke fokus faktor yang paling
37
berpengaruh
tentang
situasi
perencanaan
strategis,
dan
dengan
demikian
menginformasikan analisis strategis di mana pertimbangan khusus harus diberikan Makalah ini memberikan pendekatan analisis SWOT untuk strategi ditambah untuk melakukan perencanaan strategis dalam industri konstruksi. Hal ini juga memberikan kontribusi wawasan segar ke dalam perencanaan strategis dengan memperkenalkan proses rasional analitik untuk meningkatkan analisis SWOT. (Lu, 2010) Analisis lingkungan industri; menyajikan informasi yang dibutuhkan untuk mengidentifikasi peluang dan ancaman yang ada dalam lingkungan perusahaan, fokus mendasar dalam analsis SWOT. Ini dapat diuraikan sebagai berikut : •
Strengths Sumber daya, keterampilan atau keunggulan – keunggulan lain kreatif terhadap pesaing dan kebutuhan pasar yang dilayani atau ingin dilayani oleh perusahaan. Kekuatan adalah kompentasi khusus ( distinctive competence ) yang memberikan keunggulan komparatif bagi perusahaan dipasar. Kekuatan dapat terkandung dalam sumber daya keuangan, citra, kepemimpinan pasar, hubungan pembeli – pemasok dan faktor – faktor lain.
•
Weakness Keterbatasan atau kekurangan dalam sumber daya, keterampilan, dan kapabilitas yang secara serius menghambat kinerja efektif perusahaan. Fasilitas, sumber daya keuangan, kapabilitas manajemen, keterampilan pemasaran, dan citra merek dapat merupakan sumber kelemahan.
•
38
Opportunity
Situasi penting yang menguntungkan dalam lingkungan perusahaan. Kecenderungan – kecenderungan penting merupakan salah satu sumber peluang. Identifikasi segmen pasar yang tadinya terabaikan, perubahan pada situasi persaingan atau peraturan, perubahan teknologi, serta membaiknya hubungan dengan pembeli atau pemasok dapat memberikan peluang bagi perusahaan •
Threat Situasi penting yang tidak menguntungkan dalam lingkungan perusahaan. Ancaman merupakan penggangu utama bagi posisi sekarang atau yang diinginkan perusahaan. Masuknya pesaing baru, lambatnya pertumbuhan pasar, meningkatkan kekuatan tawar – menawar pembeli atau pemasok penting, perubahan teknologi, serta peraturan baru atau yang direvisi dapat menjadi ancaman bagi keberhasilan perusahaan. Memahami peluang – peluang dan ancaman – ancaman utama yang dihadapi perusahaan membantu para manajernya untuk mengidentifikasi pilihan – pilihan strategi yang realistik dan cocok serta menentukan ceruk (niche) yang paling efektif bagi perusahaan. Fokus mendasar kedua dalam analisis SWOT adalah identifikasi kekuatan dan kelemahan Analisis SWOT dapat digunakan dengan berbagai cara untuk membantu
analisis strategi. Cara paling lazim adalah memanfaatkan sebagai kerangka acuan logis yang mendomani pembahasan sistematik tentang situasi perusahaan. Sesuatu
39
yang oleh manajer lain ancaman. Penilaian yang berbeda mungkin mencerminkan pertimbangan kekuasaan dalam perusahaan atau sudut pandang factual yang berbeda. Yang penting adalah bahwa analisis SWOT yang sistematik dapat dilakukan untuk semua aspek situasi perusahaan. Sebagai hasil, analisis ini memberikan kerangka yang dinamik dan bermanfaat untuk analisis strategi.
2.7
KOMPETITIF PORTER’S FIVE FORCE MODEL Model ini berusaha untuk mengatasi isu-isu strategis kunci dalam lingkup
yang lebih luas. Banyak masalah yang disebutkan dalam model, termasuk kekuatan dan pengelolaan kekuatan-kekuatan, yang relevan dengan sektor perbankan serta layanan lainnya yang berorientasi bisnis. Hasilnya, yang akan diperoleh oleh aplikasi dari model ini, harus diberi nilai waktu analisis dan review terus menerus diperlukan untuk menghindari menjadi rabun atau usang dengan hasil. Michael Porter memberikan kerangka bahwa model industri sebagai dipengaruhi oleh lima kekuatan. (Gabriel, 2006) •
Pendatang Baru Ini adalah komponen struktural penting dengan industri untuk membatasi atau
melarang masuknya pesaing baru. Komponen utama ekonomi skala (keuntungan dari pengalaman, belajar dan volume), diferensiasi (citra merek dan loyalitas), persyaratan modal (pendatang baru akan menghadapi premi risiko), biaya beralih terlibat dengan pelanggan, akses ke saluran distribusi dan biaya kekurangan (paten, lokasi, subsidi).
40
•
Persaingan Antar Industri Dalam sebagian besar industri, terutama ketika hanya ada beberapa pesaing
utama, persaingan akan sangat cocok dengan menawarkan orang lain. Agresivitas akan tergantung terutama pada faktor-faktor seperti jumlah pesaing, pertumbuhan industri, biaya tetap tinggi, kurangnya diferensiasi, kapasitas ditambah dengan kenaikan yang besar, keragaman jenis pesaing dan pentingnya strategis dari unit bisnis. •
Produk Subtitusi Ini adalah produk atau solusi yang pada dasarnya melakukan fungsi yang
sama tetapi sering didasarkan pada teknologi yang berbeda. Tergantung pada tingkat abstraksi hampir semuanya dapat pergantian pemain. Pada umumnya satu-satunya faktor yang benar-benar penting adalah pergeseran dalam teknologi. •
Kekuatan konsumen Melalui daya tawar mereka pembeli dapat memaksa pesaing untuk
menurunkan harga mereka atau memaksa kualitas yang lebih tinggi atau layanan yang lebih baik. Faktor utama yang menentukan daya tawar adalah volume (relatif terhadap penjualan penjual), apakah produk mewakili sebagian besar dari biaya pembeli atau pembelian, diferensiasi atau produk standar, biaya switching, profitabilitas pembeli (maka sensitivitas harga mereka), ancaman mundur integrasi, pentingnya kualitas produk akhir, dan tingkat pengetahuan dan informasi dari pembeli permintaan industri, harga pasar aktual dan biaya pemasok. 41
•
Kekuatan Pemasok Pemasok dapat mengerahkan daya tawar mereka atas peserta dengan
mengancam untuk menaikkan harga atau mengurangi kualitas. Sebuah kelompok pemasok adalah kuat jika mereka lebih terkonsentrasi dari industri mereka menjual, atau jika kelompok pelanggan tidak penting bagi pemasok, jika produk merupakan input yang penting bagi bisnis pembeli, atau mereka telah membangun biaya switching, atau kelompok pemasok menimbulkan ancaman integrasi ke depan.
2.8
PEST ANALISIS Konteks eksternal yang mempengaruhi keputusan strategis. Hal ini dapat
meliputi pemerintah, pesaing, perubahan teknologi dan sosial dan dinamika pasar pembeli dan pemasok. Salah satu cara bagi manajer untuk menganalisis eksposur mereka dari faktor-faktor kontekstual potensial. (Thomas, 2007) Penjabaran analisis PEST menurut pengertiannya masing – masing (White Paper : Chartered Institute of Management Accountants, 2007): •
Politik Faktor
yang
termasuk
peraturan
pemerintah
seperti
undang-undang
ketenagakerjaan, peraturan lingkungan dan kebijakan pajak. Faktor-faktor politik lainnya adalah pembatasan perdagangan dan stabilitas politik.
42
•
Ekonomi Faktor yang mempengaruhi biaya modal dan daya beli dari sebuah organisasi.
Faktor ekonomi meliputi pertumbuhan ekonomi, suku bunga, inflasi dan nilai tukar mata uang. •
Sosial Faktor yang berdampak pada kebutuhan konsumen dan ukuran pasar potensial
untuk barang-barang organisasi dan jasa. Faktor-faktor sosial meliputi pertumbuhan penduduk, demografi usia dan sikap terhadap kesehatan. •
Teknologi Pengaruh hambatan tersebut untuk masuk, membuat atau membeli keputusan
dan investasi dalam inovasi, seperti otomatisasi, insentif investasi dan tingkat perubahan teknologi.
2.9
BI PORTOFOLIO
Mengidentifikasi dan memprioritaskan kesempatan dengan menggunakan informasi bisnis, analisis bisnis, dan keputusan terstruktur. Tujuan utama adalah untuk meningkatkan pendapatan / mengurangi biaya sehingga meningkatkan keuntukan dan menciptakan nilai bisnis. Untuk mencapaian tersebut, ada dua faktor pendekatan yang terstruktur yang dibutuhkan antara lain (Williams & Williams, 2007) : • Tujuan Bisnis, strategi, Sasaran, dan bisnis inti yang mendorong keuntungan.
43
• BI aplikasi yang akan meningkatkan efektiviras dari proses – proses bisnis inti.
Gambar 2.6 Business Intelligence Opportunity Map (Williams, 2007, p33)
2.10 INTERNAL
STRATEGIC
FACTORS
ANALYSIS
SUMMARY ( IFAS ) Merupakan suatu alat yang efektif untuk menyajikan analisa kondisi internal kedalam matrik yang telah diberi bobot dan rating tertentu untuk mengetahui seberapa besar kekuatan dan kelemahan yang ada dilingkungan internal perusahaan. Dimana pemberian bobot dan rating diperoleh dari hasil penyebaran kuesioner yang telah diolah datanya. (Rohim, 2008)
44
2.11 EKSTERNAL STRATEGIC FACTOR ANALYSIS ( EFAS ) Merupakan suatu alat analisa yang menyajikan secara sistimatis, analisa ini hanya digunakan untuk kondisi eksternal perusahaan untuk menentukan faktor peluang dan ancaman yang dimiliki oleh perusahaan. Pada analisa ini cara penelitiannya sama dengan analisis IFAS. (Rohim, 2008)
2.12 INOVASI PRODUK Inovasi adalah kompenen penting dari produktivitas bisnis dan kelangsungan hidup kompetitif. Inovasi teknologi memberikan peluang yang luas untuk pengenalan jenis baru dari barang atau jasa untuk pemasaran eksternal. Inovasi proses peningkatan produksi internal untuk barang atau jasa. Inovasi produk sangat penting untuk kehidupan organisasi apapun karena dengan inovasi dapat menghasilkan penamabahan pendapatan, demikian pula inovasi proses dapat meningkatkan kemampuan internal dalam hal ini menjaga atau meningkatkan. (Omachonu & Einspruch, 2010)
2.13 DIVERSIFIKASI PRODUK Strategi
diversifikasi
merupakan
pilihan
strategik
didasarkan
atas
pertimbangan lingkungan eksternal dan sumber daya strategis yang berimplikasi dalam jangka panjang. Pilihan terhadap strategi diversifikasi apakah memilih bisnisbisnis yang berhubungan (related business) atau bisnis yang tidak terkait dengan bisnis yang sedang digeluti saat ini (unrelated business), masih menjadi perdebatan,
45
manakala proses pengambilan keputusan telah melibatkan berbagai tujuan terhadap berbagai kepentingan (conflict of interest) misalnya antara manajemen dan pemilik, atau diantara lini bisnis, disamping juga melibatkan kesesuaian antara faktor eksternal dan internal ( fit strategic). Diversifikasi merupakan suatu pilihan strategik yang merupakan suatu proses pengambilan keputusan didasarkan atas pertimbangan faktor eksternal dan internal dan perbedaan fokus perhatian pada kedua dimensi tersebut akan menyebabkan perbedaan dalam orientasi strategis yang dapat menyebabkan perbedaan kinerja. (Sulastri, 2006).
46